基于自適應(yīng)遺傳聚類算法的物流越庫配送仿真

李萍萍

（宣城職業(yè)技術(shù)學(xué)院 教育與管理學(xué)院，安徽 宣城 242000）

電子商務(wù)的飛速發(fā)展改變了人們的消費習(xí)慣和消費模式[1]，與之相應(yīng)的物流行業(yè)受到了越來越多的關(guān)注[2]。為了最大限度滿足異地采購的體驗感受，提高物流配送的效率是亟需解決的問題之一[3]。為了解決這一問題，除了增加物流配送車輛和人員外，合理規(guī)劃物流配送車輛的行駛路線也是十分必要的[4]。在現(xiàn)階段的相關(guān)研究中，已有學(xué)者就物流配送問題進行了相應(yīng)探索[5]，其中，李眩等從物流配送中心選址角度出發(fā)，將變異和動態(tài)自適應(yīng)PSO融入選址模型的構(gòu)建中[6]，提高了物流中心選址的合理性，在一定程度上降低了物流配送的時間開銷。范厚明等以越庫配送條件下的車輛調(diào)度問題為研究對象，利用時空距離實現(xiàn)對具體資源分配與調(diào)度的優(yōu)化[7]，提高了物流配送的效率，但是在應(yīng)用方面存在一定的局限性，對于范圍較大，配送目標(biāo)較多的環(huán)境適應(yīng)性較低。邢書寶等以皮革市場物流配送為研究目標(biāo)，通過將改進后的蟻群算法融入配送路徑的規(guī)劃設(shè)計之中[8]，實現(xiàn)了對配送成本的控制，但是同樣在較大范圍的配送應(yīng)用上存在一定的不足。通過上述分析可以看出，對物流配送問題進行深入研究是十分必要的[9]。

值得關(guān)注的是，越庫配送也是現(xiàn)階段較為常見的一種配送方式。為此，本文提出基于自適應(yīng)遺傳聚類算法的物流越庫配送仿真研究，并分析驗證了設(shè)計配送路徑的合理性。

1 物流越庫配送規(guī)劃設(shè)計

1.1 物流配送路徑規(guī)劃目標(biāo)

為了確保物流越庫配送規(guī)劃能夠與實際的物流配送需求相契合，本文首先構(gòu)建了物流配送路徑規(guī)劃目標(biāo)。從本質(zhì)上分析，物流公司的目標(biāo)是減少配送過程的總成本，用戶的目標(biāo)是提升物流車輛的配送效率，因此，二者的目標(biāo)存在一致性[10]。在此基礎(chǔ)上，本文從提高客戶滿意程度的角度出發(fā)，對物流配送路徑規(guī)劃目標(biāo)進行設(shè)計。

為了簡化后續(xù)計算的復(fù)雜性，本文將配送路程、配送時間以及配送成本問題統(tǒng)一為配送路徑總成本問題。那么，結(jié)合物流配送車輛的實際成本構(gòu)成，其主要可以分為基礎(chǔ)運輸成本以及運輸擁堵成本。其中，基本運輸成本指在理想狀態(tài)下，配送車輛按照規(guī)劃路徑從配送中心行駛到各個目標(biāo)配送點的成本。由此不難看出，物流配送路徑越短，對應(yīng)基本運輸成本也就越低。本文假設(shè)在目標(biāo)配送范圍內(nèi)，包含有m個物流配送中心，待配送的目標(biāo)配送點數(shù)量為n，在允許執(zhí)行越庫配送的前提下，各個節(jié)點之間可以構(gòu)成一個有向的連通圖，其可以表示為

其中，L表示目標(biāo)配送范圍內(nèi)的有向連通圖，表示可執(zhí)行的運輸路徑，Y表示目標(biāo)配送點對應(yīng)的位置信息，Z表示物流配送中心對應(yīng)的位置信息，并且：

其中，yn表示n目標(biāo)配送點的位置信息，zn表示m物流配送中心的位置信息。

結(jié)合式（1）～式（3），任意目標(biāo)配送點之間的可執(zhí)行運輸路徑對應(yīng)的基礎(chǔ)運輸成本計算方式可以表示為

其中，cij表示物流配送車輛從目標(biāo)配送點i到目標(biāo)配送點j的基礎(chǔ)運輸成本，k表示物流車輛行駛單位距離的成本開銷，l(yi, yj)表示車輛從目標(biāo)配送點i到目標(biāo)配送點j的路徑，l(yi,zm)表示車輛從目標(biāo)配送點i到物流配送中心m的路徑，l(yj,zm)表示車輛從目標(biāo)配送點j到物流配送中心m的路徑。

另外就是物流配送期間的運輸擁堵成本，考慮到在實際的道路交通運輸過程中道路擁堵是不可避免的，通過選擇其他路徑避開擁堵路段可能會導(dǎo)致車輛的行駛距離增加，而在擁堵路段的等待時間也會對配送效率帶來一定的影響。因此，本文對該部分成本的計算綜合了二者的平衡關(guān)系，其可以表示為

其中，sij表示物流配送期間的運輸擁堵成本，sij表示配送車輛在擁堵路段的等待時間，v表示配送車輛在行駛期間的速度。

結(jié)合配送路徑總成本最小化的要求，物流配送路徑規(guī)劃目標(biāo)可以表示為

與礦化相關(guān)的巖漿巖多為深層的花崗巖類巖石，在平面上巖體多呈等軸狀，少數(shù)為橢圓狀、長條狀或其他不規(guī)則形狀。成礦母巖巖體的露頭面積大小不等，可由0.003～5 km2。巖體出露的面積大小主要取決于巖體的剝蝕深度以及巖體本身的規(guī)模大小及礦化的延伸程度。據(jù)哈薩克斯坦及烏拉爾所展示的資料，巖體頂部深約3～4 km，有的只有1～2 km，而巖體礦化延伸約至8～10 km。

其中，minf表示物流配送路徑規(guī)劃目標(biāo)。

通過這樣的方式，確定量化的物流配送路徑規(guī)劃目標(biāo)，為后續(xù)的路徑規(guī)劃提供依據(jù)。

1.2 基于自適應(yīng)遺傳聚類算法的路徑規(guī)劃

結(jié)合1.1部分構(gòu)建的物流配送路徑規(guī)劃目標(biāo)，本文在對具體的路徑進行規(guī)劃階段，采用了自適應(yīng)遺傳聚類算法，并且未考慮配送中心與目標(biāo)配送點之間的覆蓋關(guān)系，在允許越庫的條件下對最優(yōu)路徑進行計算。

具體的路徑規(guī)劃流程分為以下幾個步驟。

步驟1：按照目標(biāo)配送點的數(shù)量設(shè)置遺傳算法的初始種群規(guī)模為n，按照各目標(biāo)配送點之間的交叉關(guān)系設(shè)置概率P，考慮到目標(biāo)配送點可能存在調(diào)整，因此為其設(shè)置了變異概率Pm，由此生成初始種群X。

步驟2：根據(jù)式（6）設(shè)置遺傳算法的尋優(yōu)目標(biāo)，為了實現(xiàn)對運輸時間和運輸成本平衡關(guān)系的控制，本文引入了適應(yīng)度函數(shù)，其計算方式可以表示為

利用這樣的方式確保規(guī)劃路徑的合理性。

步驟3：根據(jù)步驟2的計算結(jié)果對目標(biāo)配送點進行聚類，將在同一不重復(fù)路徑上的目標(biāo)配送點劃分到同一聚類中。考慮到運輸車輛的實際貨載存在極值，本文以配送上限作為聚類截至的約束函數(shù)。

步驟4：在完成對一個目標(biāo)配送點聚類的劃分后，以剩余的目標(biāo)配送點為基礎(chǔ)，重復(fù)執(zhí)行步驟1～3，直至所有節(jié)點都匹配到對應(yīng)的運輸路徑中。

以此完成對物流越庫配送路徑的規(guī)劃。

2 仿真測試與分析

為了更加直觀地分析本文設(shè)計外觀缺陷檢測方法的應(yīng)用效果，在MATLAB/Simulink環(huán)境中進行了仿真實驗測試。

2.1 仿真測試環(huán)境構(gòu)建

在測試階段，本文以某產(chǎn)品實際供應(yīng)商和零售商在區(qū)域中的分布情況為基礎(chǔ)進行仿真環(huán)境設(shè)置，將供應(yīng)商和零售商所在的位置作為節(jié)點，考慮實際的物流配送條件差異，本文以節(jié)點數(shù)量為基礎(chǔ)構(gòu)建了包含三種規(guī)模的測試組，對應(yīng)的節(jié)點數(shù)量分別為10、30和50。對于每個測試組具體的運輸參數(shù)設(shè)置，具體如表1所示。

表1 測試環(huán)境參數(shù)設(shè)置

以此為基礎(chǔ)，采用本文設(shè)計的方法實施對測試環(huán)境內(nèi)所有節(jié)點資源配送路徑的規(guī)劃。為了提高測試結(jié)果的分析價值，本文在測試過程中引入了對比機制，對照組采用的路徑規(guī)劃方法分別為文獻[7]提出的以時空距離為基礎(chǔ)的路徑規(guī)劃方法以及文獻[8]提出的以改進蟻群算法為基礎(chǔ)的路徑規(guī)劃方法。

2.2 評價指標(biāo)設(shè)置

對于測試結(jié)果的評價，本文充分結(jié)合了實際物流配送的客觀需求，分別以配送時間、配送成本以及配送車輛的行駛距離為基準(zhǔn)。考慮到實際裝卸效率的差異會對配送時間帶來一定的影響，本文對于該指標(biāo)參數(shù)的計算方式表示為

其中，T表示參與測試結(jié)果評價的物流配送時間，Tt表示車輛出發(fā)到完成配送任務(wù)的總時間開銷，Tb表示在各個節(jié)點執(zhí)行裝卸任務(wù)的時間開銷總和。

以此為基礎(chǔ)，對三種方法的配送效果進行分析。

2.3 測試結(jié)果與分析

首先，本文統(tǒng)計了不同方法下的配送時間，得到的測試結(jié)果如表2所示。

表2 不同配送路徑下的配送時間對比表

從表2的測試結(jié)果可以看出，在三種配送路徑規(guī)劃方法下，時空距離規(guī)劃方法的配送時間隨著可調(diào)度配送車輛的增加呈現(xiàn)出了逐漸下降的趨勢，雖然程度并不明顯，但是整體上并未受到測試環(huán)境中節(jié)點數(shù)量的影響，其中，當(dāng)節(jié)點數(shù)量為10時（測試環(huán)境1），配送時間為685.5 min，當(dāng)節(jié)點數(shù)量為50時（測試環(huán)境3），配送時間為620.0 min。改進蟻群算法規(guī)劃方法的配送時間隨著測試環(huán)境中節(jié)點數(shù)量的增加呈現(xiàn)出了逐漸上升的趨勢，其中，當(dāng)節(jié)點數(shù)量為50時（測試環(huán)境3），配送時間達到了724.5 min。相比之下，本文設(shè)計規(guī)劃方法對應(yīng)的配送時間明顯低于對照組，基本穩(wěn)定在460.0 min以內(nèi)，且并未表現(xiàn)出與節(jié)點數(shù)量之間的必然關(guān)系。測試結(jié)果表明，本文設(shè)計的基于自適應(yīng)遺傳聚類算法的物流越庫配送路徑規(guī)劃方法可以實現(xiàn)對配送時間的有效控制。

其次，本文統(tǒng)計了不同方法下的配送成本，得到的測試結(jié)果如表3所示。

表3 不同配送路徑下的配送成本對比表

從表3的數(shù)據(jù)可以看出，在三種配送路徑規(guī)劃方法下，時空距離規(guī)劃方法的配送成本與數(shù)量之間存在對應(yīng)的倍數(shù)關(guān)系，受配送車輛運輸情況的影響，不同測試環(huán)境的單位節(jié)點本文開銷有小幅波動，但是整體較為穩(wěn)定，其中，當(dāng)節(jié)點數(shù)量為10時（測試環(huán)境1），配送成本為556.5元，當(dāng)節(jié)點數(shù)量為50時（測試環(huán)境3），配送成本為3 082.5元，相比之下的單位節(jié)點配送成本分別為55.65元和61.65元。改進蟻群算法規(guī)劃方法的配送成本隨著測試環(huán)境中節(jié)點數(shù)量的增加呈現(xiàn)出了明顯的上升趨勢，其中，當(dāng)節(jié)點數(shù)量為10時（測試環(huán)境1），單位節(jié)點的配送成本52.04元，當(dāng)節(jié)點數(shù)量為50時（測試環(huán)境3），單位節(jié)點的配送成本62.89元。相比之下，本文設(shè)計規(guī)劃方法對應(yīng)的配送成本明顯低于對照組，并且單位節(jié)點的配送成本穩(wěn)定在50.0元以內(nèi)。測試結(jié)果表明，本文設(shè)計的基于自適應(yīng)遺傳聚類算法的物流越庫配送路徑規(guī)劃方法可以實現(xiàn)對配送成本的有效控制。

最后，分析了不同方法下配送車輛的行駛距離，考慮到完成配送的必要路徑是不可規(guī)避的，以此為基礎(chǔ)，車輛行駛重復(fù)路徑的概率越低，則表明對應(yīng)的路徑規(guī)劃越合理。因此，本文對統(tǒng)計了不同規(guī)劃方法下對應(yīng)的車輛行駛路徑的重復(fù)率，得到的測試結(jié)果如圖1所示。

從圖1的數(shù)據(jù)可以看出，在三種配送路徑規(guī)劃方法下，時空距離規(guī)劃方法和改進蟻群算法規(guī)劃方法的重復(fù)行程均表現(xiàn)出隨著數(shù)量的增加逐漸上升的趨勢。當(dāng)節(jié)點數(shù)量為50時（測試環(huán)境3），2種方法對應(yīng)的行程重復(fù)率分別達到了15.85%和15.36%。相比之下，本文設(shè)計規(guī)劃方法對應(yīng)的重復(fù)行程始終11.50%以內(nèi)，并未受到測試環(huán)境節(jié)點數(shù)量的影響。測試結(jié)果表明，本文設(shè)計的基于自適應(yīng)遺傳聚類算法的物流越庫配送路徑規(guī)劃方法可以實現(xiàn)對配送行程的合理規(guī)劃。

3 結(jié)束語

在物流行業(yè)不斷發(fā)展的背景下，實現(xiàn)對不同環(huán)境下配送車輛行駛路徑的合理規(guī)劃是提高配送效率、降低配送成本的重要保障。本文提出的基于自適應(yīng)遺傳聚類算法的物流越庫配送策略，結(jié)合實際情況對具體的配送路徑進行設(shè)計，大大降低了配送期間的時間開銷和運輸成本。